library(readr)
Data <- read_csv("Data.csv", show_col_types = FALSE)
View(Data)
Menampilkan Data CSV
Tahapan untuk Menyusun Grafik:
1.Gunakan library ggplot2 untuk membuat visualisasi.
2.Gunakan fungsi ggplot() untuk memetakan variabel Angka_Harapan_Hidup pada sumbu X.
3.Tambahkan layer geom_histogram() untuk membuat histogram.
4.Tentukan parameter binwidth, fill, dan color untuk estetika.
5.Gunakan labs() untuk menambahkan judul dan label sumbu.
Label Sumbu:
X: Angka Harapan Hidup
Y: Frekuensi
Interpretasi Grafik: Histogram ini menunjukkan distribusi angka harapan hidup di dataset. Rentang nilai Angka_Harapan_Hidup dibagi menjadi interval dengan lebar 5. Dari grafik ini, kita dapat melihat rentang nilai yang paling sering muncul. Contoh: Jika rentang 70-75 memiliki puncak tertinggi, maka mayoritas negara memiliki angka harapan hidup di rentang tersebut.
library(ggplot2)
# Membuat histogram
ggplot(Data, aes(x = Angka_Harapan_Hidup)) +
geom_histogram(binwidth = 5, fill = "skyblue", color = "black") +
labs(
title = "Distribusi Angka Harapan Hidup",
x = "Angka Harapan Hidup",
y = "Frekuensi"
) +
theme_minimal()
Tahapan untuk Menyusun Grafik:
1 Pemetaan Data: aes(x = Benua, y = Angka_Harapan_Hidup): Memetakan Benua pada sumbu X dan Angka_Harapan_Hidup pada sumbu Y.Gunakan fill = Benua untuk memberikan warna berbeda pada setiap kategori benua.
2 Statistik: stat_summary(fun = “mean”, geom = “bar”): Menampilkan rata-rata Angka_Harapan_Hidup untuk setiap benua dalam bentuk bar.
3 Visualisasi: geom = “bar” untuk menampilkan grafik batang. width = 0.6 untuk mengatur lebar batang agar lebih rapi.
4 Label dan Judul: Gunakan labs() untuk menambahkan judul dan label sumbu yang relevan.
5 Estetika: Warna batang diatur berdasarkan benua menggunakan parameter fill. .
Label Sumbu:
X: Benua
Y: Rata-rata Angka Harapan Hidup
Interpretasi Grafik: Grafik ini menampilkan rata-rata angka harapan hidup untuk setiap benua. Perbandingan antar batang memudahkan identifikasi benua dengan angka harapan hidup tertinggi dan terendah. Contoh: Jika benua dengan batang tertinggi adalah Eropa, berarti benua ini memiliki rata-rata angka harapan hidup tertinggi dibandingkan benua lain.
ggplot(Data, aes(x = Benua, y = Angka_Harapan_Hidup, fill = Benua)) +
stat_summary(fun = "mean", geom = "bar", width = 0.6) +
labs(
title = "Rata-rata Angka Harapan Hidup per Benua",
x = "Benua",
y = "Rata-rata Angka Harapan Hidup",
fill = "Benua"
) +
theme_minimal()
Penjelasan Tahapan :
y = ~Angka_Harapan_Hidup: Data sumbu Y adalah Angka Harapan Hidup.
z = ~Populasi: Data sumbu Z adalah Populasi.
color = ~Benua: Warna titik ditentukan oleh kategori benua.
Anda dapat menyertakan informasi penting seperti nama negara, populasi, dan pendapatan.
mode = “markers”: Menggunakan marker (titik) untuk merepresentasikan data.
marker = list(size = 5, opacity = 0.7): Menyesuaikan ukuran dan transparansi titik.
scene: Menentukan pengaturan untuk sumbu 3D.
Interpretasi Grafik: Grafik ini menunjukkan hubungan antara Pendapatan per Kapita, Angka Harapan Hidup, dan Populasi.
Sumbu X: Pendapatan per Kapita (kekayaan rata-rata per orang di suatu negara).
Sumbu Y: Angka Harapan Hidup (indikator kesehatan dan kualitas hidup).
Sumbu Z: Populasi (jumlah total penduduk negara).
Warna titik menunjukkan benua masing-masing negara, memudahkan analisis per kawasan.
suppressPackageStartupMessages(library(plotly))
fig <- plot_ly(
data = Data,
x = ~Pendapatan_per_kapita,
y = ~Angka_Harapan_Hidup,
z = ~Populasi,
type = "scatter3d",
mode = "markers",
color = ~Benua,
marker = list(size = 5, opacity = 0.7),
text = ~paste(
"Negara:", Negara,
"<br>Pendapatan per Kapita:", Pendapatan_per_kapita,
"<br>Angka Harapan Hidup:", Angka_Harapan_Hidup,
"<br>Populasi:", Populasi
)
)
fig <- fig %>%
layout(
title = "3D Scatter Plot: Pendapatan, Angka Harapan Hidup, dan Populasi",
scene = list(
xaxis = list(title = "Pendapatan per Kapita"),
yaxis = list(title = "Angka Harapan Hidup"),
zaxis = list(title = "Populasi")
)
)
fig
library(plotly)
options(warn = -1)
fig <- plot_ly(Data,
x = ~Pendapatan_per_kapita,
y = ~Angka_Harapan_Hidup,
size = ~Populasi,
color = ~Benua,
frame = ~Tahun,
text = ~paste("Negara:", Negara,
"<br>Pendapatan:", Pendapatan_per_kapita,
"<br>Harapan Hidup:", Angka_Harapan_Hidup,
"<br>Populasi:", Populasi),
type = 'scatter',
mode = 'markers') %>%
layout(title = "Perubahan Multivariat dari Tahun ke Tahun",
xaxis = list(title = "Pendapatan Per Kapita"),
yaxis = list(title = "Angka Harapan Hidup"))
fig
This is an R Markdown document. Markdown is a simple formatting syntax for authoring HTML, PDF, and MS Word documents (A. T. de Carvalho, Lechevallier, and Melo 2012). For more details on using R Markdown see http://rmarkdown.rstudio.com.
When you click the Knit button a document will be generated that includes both content as well as the output of any embedded R code chunks within the document. You can embed an R code chunk like this:
summary(cars)
## speed dist
## Min. : 4.0 Min. : 2.00
## 1st Qu.:12.0 1st Qu.: 26.00
## Median :15.0 Median : 36.00
## Mean :15.4 Mean : 42.98
## 3rd Qu.:19.0 3rd Qu.: 56.00
## Max. :25.0 Max. :120.00
You can also embed plots, for example:
Note that the echo = FALSE parameter was added to the
code chunk to prevent printing of the R code that generated the
plot.